python的绘图包matplot

Matplot绘图

导包：from matplotlib import pyplot as plt

常用方法：

show()：一般在最后面做图形显示，plt.show()

plot()：功能是传递数据，让其绘制图形，并且返回的是一个Line2D对象（每条线一个）

如果接受的不是列表，只是值，就只会画点

from matplotlib import pyplot as plt
import numpy as np
plt.plot(1, 2, "ro")
plt.show()

如果接受的数据是一个一维列表，默认会使用索引作为横坐标，元素值作为纵坐标

from matplotlib import pyplot as plt
plt.plot([1, 2, 4, 9, 5, 3])
plt.show()

如果接受的数据是两个一维列表，第一个列表元素值作为横坐标，第二个列表元素值作为纵坐标，而且两个值一一对应，形成一个一个坐标点一样

from matplotlib import pyplot as plt
plt.plot([1, 2, 3, 4, 5], [5, 4, 3, 2, 1])
plt.show()

如果使用其他包生成数据较为方便，如numpy

from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(-5, 5, 1000)    # linspace()的功能是在指定区间取n个等分点
y = x**2
plt.plot(x, y)
plt.show()

如果接受的数据是有三个参数，前两个参数和上面一样，第三个参数是线条的样式，又或者是接受的数据是三个三个出现，每三个就会组成一组， 或者分开写效果也是一样的，并且能为每条线设置成不同的样式，如线宽set_linewidth()，虚线风格set_dash_capstyle()，alpha级别（透明图）set_alpha()

from matplotlib import pyplot as plt
line1, line2 = plt.plot([1, 2, 3, 4, 5], [5, 4, 3, 2, 1], "g--", [5, 4, 3, 2, 1], [1, 2, 3, 4, 5], "r-")
    line1.set_linewidth(3.0)
line1.set_dash_capstyle("round")
    line2.set_alpha(0.5)     # 范围值0-1
    plt.axis([0, 7, -2, 7])
    plt.show()

axis()：坐标轴刻度根据数据范围自动匹配，想要让图形显示在更大的空间中可以通过调用 axis 函数指定每个坐标轴的范围，参数含义： [xmin, xmax, ymin, ymax]

from matplotlib import pyplot as plt
plt.plot([1, 2, 3, 4, 5], [5, 4, 3, 2, 1])
plt.axis([0, 7, -2, 7])
plt.show()

title()：在图表中增加标题，参数描述见例忘意

xlabel()、ylabel()：在图表坐标轴上添加描述，参数描述见例忘意

grid()：图表背景是否是格子的，默认为False

savefig()：保存图像

from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(-5, 5, 1000)    # linspace()的功能是在指定区间取n个等分点
y = x**2
plt.plot(x, y)
plt.title("Square Function", fontsize=20)
  plt.xlabel("X", fontsize=16)
plt.ylabel("y = $x^2$", fontsize=16)   # 里面的$就是解析^的，显示更为美观
  plt.grid(True)
  plt.savefig("my_square_function.png", transparent=True)
  plt.show()

subplot()：添加子图。第一个参数表示几行，第二个参数表示几列，第三个参数表示第几个（先从左到右，后从上到下）

from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(-1.5, 1.5, 50)
plt.figure(figsize=(10, 10))
plt.subplot(3, 2, 1)   # subplot(3, 2, 1)可以简写subplot(321)
plt.plot(x, x)
plt.subplot(3, 2, 2)
plt.plot(x, x**2)
plt.subplot(3, 2, 3)
plt.plot(x, x**3)
plt.subplot(3, 2, 4)
plt.plot(x, x**4)
plt.subplot(3, 1, 3)   # 这样会将上面两行各看成一个
plt.plot(x, np.sin(3*x))
plt.show()

subplot2grid()：如果需要更复杂的子图位置设置，可以使用subplot2grid函数代替subplot函数。先指定图形（figure）网格的行数和列数，然后指定子图（是指原有的子图，不算合并的子图）的位置（左上角位置为(0, 0)），然后根据需求设置子图需要占用的行数和列数。

from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(-1.5, 1,5, 50)
plt.figure(figsize=(8, 6))
# (3, 3)有9个子图，rowspan表示跨行，colspan表示跨列
plt.subplot2grid((3,3), (0, 0), rowspan=2, colspan=2)   
plt.plot(x, x**2)
plt.subplot2grid((3,3), (0, 2))
plt.plot(x, x**3)
plt.subplot2grid((3,3), (1, 2), rowspan=2)
plt.plot(x, x**4)
plt.subplot2grid((3,3), (2, 0), colspan=2)
plt.plot(x, x**5)
plt.show()

figure()：如果还想再原有的图像上添加线条，就可以指定figure

from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(-1.4, 1.4, 30)
plt.figure(1)       # 第一块图像（可以说第一个结果）
plt.subplot(211)
plt.plot(x, x**2)
plt.title("Square and Cube")
plt.subplot(212)
plt.plot(x, x**3)
​
plt.figure(2, figsize=(10, 5))    #第二块图像（可以说第二结果）
plt.subplot(121)
plt.plot(x, x**4)
plt.title("y = x**4")
plt.subplot(122)
plt.plot(x, x**5)
plt.title("y = x**5")
​
plt.figure(1)          # 指定第一块图像，但是是在212图表中画线条
plt.plot(x, -x**3, "r:")
plt.show()

text()：绘制文本。前两个值表示文本显示的坐标点，第三个参数是文本内容，之后的参数是文本约束。掌握这种就行，其他的花里胡哨以后用到在

from matplotlib import pyplot as plt
import numpy as np
​
x = np.linspace(-1.5, 1.5, 50)
px = 0.8
py = px ** 2
​
plt.plot(x, x**2, "b-", px, py, "ro")
# ha表示horizontalalignment
plt.text(0, 1.5, "Square Function\ny = $x^2$", fontsize=20, color="blue", ha="center")
# weight表示字体粗细
plt.text(px-0.08, py, "Beautiful point", ha="right", weight="heavy")
plt.text(px, py-0.3, "x = %0.2f\ny = %0.2f" % (px, py), rotation=50, color="gray")
plt.show()

legend(loc=“best”)：为线条增加图例。需要在绘制线条的过程中增加一个label属性

from matplotlib importpyplot as plt
import numpy as np
x = np.linspace(-1.5, 1.5, 50)
plt.plot(x, x**2, "g--", label="y = $x^2$")
plt.plot(x, x**3, "b-", label="y = $x^3$")
plt.legend(loc="best")
plt.show()

Matplotlib支持非线性缩放，例如对数曲线或分对数缩放（不常用，不做解释）

from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0.1, 15, 500)
y = x**3/np.exp(2*x)
plt.figure(1)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
​
plt.figure(2)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
​
plt.figure(3)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
​
plt.figure(4)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthreshy=0.05)
plt.title('symlog')
plt.grid(True)
​
plt.show()

极坐标：只需在创建‘subplot’是设置projection属性为polar即可。(不常用，不做解释)

from matplotlib import pyplot as plt
import numpy as np
radius = 1 
theta = np.linspace(0, 2*np.pi*radius, 1000) 
alpha = np.linspace(0, 2*np.pi, 100) 
plt.subplot(111, projection='polar') 
plt.plot(alpha, np.cos(5*alpha)) 
# plt.plot(theta, np.sin(5*theta), "g-") 
# plt.plot(theta, 0.5*np.cos(4*theta), "b-") 
# plt.plot(alpha, alpha) 
plt.show()

3D图形：你需要导入Axes3D，Axes3D包含了3d图形。然后创建一个subplot设置‘projection’属性为‘3d’。这会返回一个Axes3DSubplot对象，你可以通过调用plot_surface设置x，y，z坐标增加可选的属性。（不常用， 不做解释）

import matplotlib
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
​
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
R = np.sqrt(X**2 + Y**2)
Z = np.cos(R*2)
​
figure = plt.figure(1, figsize=(12, 4))
subplot3d = plt.subplot(111, projection="3d")
surface = subplot3d.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=matplotlib.cm.coolwarm, linewidth=0.1)
plt.show()

scatter()：散点图绘制。前两个参数是点显示的坐标位置，s表示大小，c表示颜色，alpha表示透明度，edgcolor表示边框颜色

from numpy.random import rand
from matplotlib import pyplot as plt
​
for color in ["red", "green", "blue", "pink"]:
    # rand功能：第一个参数表示返回值的个数，第二个参数表示一个返回值的元素有多少个，元素值都在0-1
    # randn功能：一样，元素值是从标准正态分布中获取
    x, y, w = rand(3, 100)
    w = 500 * w**5
    plt.scatter(x, y, s=w, c=color, alpha=0.5, edgecolors="blue")
plt.grid(True)
plt.show()
​

hist()：绘制直方图的使用。第一个参数是python基础教程一系列的数据，第二个参数是这些数据定义一个一个范围，第三个参数就是柱子的宽度。绘制的直方图就是对范围的统计数

from matplotlib import pyplot as plt
from numpy.random import rand
​
data = list(map(lambda x: int(x), rand(1, 10)[0]*40))
print(data)
plt.subplot(211)
​
plt.hist(data, bins=10, rwidth=0.8)
​
plt.subplot(212)
plt.hist(data, bins=[0, 8, 16, 24, 32, 40], rwidth=0.95)
​
plt.show()

直方图的另一种表现形式

from matplotlib import pyplot as plt, animation
import numpy as np
​
data1 = np.random.randn(400)
data2 = np.random.randn(500) + 3
data3 = np.random.randn(450) + 6
data4a = np.random.randn(200) + 9
data4b = np.random.randn(100) + 10
​
plt.hist(data1, bins=5, color='g', alpha=0.75, label='bar hist')
# default histtype='bar'
plt.hist(data2, color='b', alpha=0.65, histtype='stepfilled', label='stepfilled hist')
plt.hist(data3, color='r', histtype='step', label='step hist')
plt.hist((data4a, data4b), color=('r', 'm'), alpha=0.55, histtype='barstacked', label=('barstacked a', 'barstacked b'))
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.legend()
plt.grid(True)
plt.show()